在聚类分析的介绍中,随机变量的聚类方法研究的比较少.到目前为止,以香农信息理论和kolmogorov信息论研究的比较多.同时这些方法也被广泛应用于随机变量的聚类分析.本文作者在分析Gamma-test的方法时,发现该方法可用来定义一种新的度量,同时可应用于聚类分析中,得到理想的结果.本文一共分五章:第一章用了一些篇幅介绍了当前已知的聚类分析的方法.现今的聚类方法主要集中在两大块:一是对样品聚类的方法,另一种是对随机变量聚类的方法.前者的研究已经很深入,得到许多聚类的方法,而且聚类结果也很出色.然而,对随机变量的聚类这一块的研究进展还不是很快.关键问题在于比较难找到对两个随机变量的关系的度量.很原始的就是用相关系数来度量两个随机变量的关系.随后研究比较多的是通过香农信息论的方法或者kolmogorov的信息度量方法来度量两个随机变量的方法.信息论的应用总的来说是成功的.本文也会在第二章中介绍该方法的一些理论根据,用来和本文提出的新方法的比较.在第三章中,本文提出由Gamma-test得到的新的距离,并给出了计算机上实现的编程思想.第四章中,作者运用一组模拟数据,通过新定义的度量来进行聚类,同时把得到的结果与用相关系数的方法得到的聚类结果进行比较.最后在第五章中,本文讨论了对该新度量能够继续深入研究的地方.在新定义的度量下,本文给出了计算机的程序实现.程序代码详见附录Ⅰ.附录Ⅱ为用统计软件产生随机变量的各100个随机数.附录Ⅲ为九个随机变量以相关系数为度量的相似系数矩阵.附录Ⅳ为九个随机变量以新度量为度量的相似系数矩阵.